이미지 정합 pseudo-labeling을 이용한GAN 기반의 seamless 차량번호판 합성영상 생성

초록

본 논문에서는 적대적 생성 네트워크(GAN)를 이용한 차량번호판 합성영상 생성과 이를 위한 이미지 정합 기반 pseudo- labeling 방법을 제안한다. AI-HUB의 공공 데이터는 차량번호판 영역에 모자이크와 같은 개인정보 비식별화가 적용된 이미지로 구성되어 있으나, 이는 이미지가 훼손되었을 뿐만 아니라 학습 데이터로서의 유용성이 저하된 것이다. 따라서 본 논문은 개인정보로부터 자유롭고 실제 영상과 이질감이 없는 차량번호판 합성영상 생성 네트워크를 소개한다. 제안하는 GAN 기반 Masked-pix2pix 네트워크의 학습을 위해, 가상번호판을 생성하고 원본 영상과의 특징점 매칭 및 이미지 정합을 수행하는 pseudo-labeling 기법으로 이미지 쌍을 구축한다. 학습된 결과는 PSNR과 SSIM의 값이 각각 42.08dB, 97.84%로 Pix2pix에 비해 0.17dB, 0.82%p 높게 측정되어 네트워크의 우수성을 증명하였다. 또한, 주야간 환경 조건에서의 강인함과 해외 번호판에서의 적용 가능성을 보여 알고리즘의 일반성을 높였다.

키워드